Az elektrolitanyagok megfelelő keverékével egy gyorsabban töltődő, nagyobb energiasűrűségű akkumulátort kaphat az elektromos gépjármű, a hálózat, az elektromos repülőgép is. Azonban a gyógyszerek felfedezéséhez hasonlóan több mint egy évtizedbe, és több ezer kudarcba kerülhet, mire megtalálják a megfelelőt kombinációt.
Tíz milliárd: ennyi kereskedelmi forgalomban beszerezhető molekula áll ma rendelkezésre. Ha ötös csoportokban kezdjük el vizsgálni őket — ez a tipikus kombináció, amelyet az akkumulátorok elektrolitanyagainak előállításához használnak —, akkor ez a szám 10^47-re nő (1-es és 47 0 a 10-es számrendszerben). Az Aionics startup cég alapítói szerint mesterséges intelligencia eszközeik felgyorsíthatják a dolgokat.
Elektrolitok találkozása az MI-vel
A lítium-ion akkumulátorok három kritikus építőelemet tartalmaznak. Két elektróda van, egy anód (negatív) az egyik oldalon és egy katód (pozitív) a másik oldalon. Az elektrolit általában középen helyezkedik el, töltés és kisütés közben az ionokat szállítja az elektródák között. Az Aionics az elektrolitra összpontosít, és egy mesterségesintelligencia-eszközkészletet használ a felfedezés felgyorsítására, jobb akkumulátorok kifejlesztésére. Az Aionics-katalizátorok felfedezésének megközelítése befektetőket is vonzott. A 2020-ban alapított Palo Alto-i székhelyű startup eddig 3,5 millió dollárt gyűjtött össze.
A startup együttműködik többek között a Porsche akkumulátorgyártó leányvállalatával, a Cellforce-zal is. Partnerek továbbá a Form Energy energiatároló céggel, a japán anyag- és vegyipari gyártó Showa Denkóval (ma Resonac) és a Cuberg akkumulátor-technológiai vállalattal is.
Az Aionics mérnökei a mesterséges intelligenciával felgyorsított kvantummechanikát alkalmazva kísérleteket végezhetnek egy meglévő, több milliárd ismert molekulát tartalmazó adatbázison. Ez lehetővé teszi számukra, hogy másodpercenként 10 ezer jelöltet vizsgáljanak meg. Az MI-modell megtanulja, hogyan lehet megjósolni a következő szimuláció eredményét, és segít kiválasztani a következő molekulajelöltet. Minden egyes futtatáskor több adat keletkezik, így egyre hatékonyabban oldja meg a problémát.
És akkor jött a generatív MI
Az Aionics bizonyos esetekben még egy lépéssel tovább ment, és a generatív mesterséges intelligenciát is bevitte a keverékbe. Ahelyett, hogy az ismert molekulák milliárdjaira támaszkodna, az Aionics idén elkezdte használni a generatív MI-modelleket, amelyeket a meglévő akkumulátor-anyagadatokon képeztek ki, hogy új, egy adott alkalmazásra irányuló molekulákat hozzanak létre vagy tervezzenek.
A vállalat a Carnegie Mellon Egyetemen (CMU-n) működő Accelerated Computational Electrochemical systems Discovery programban Venkat Viswanathan, a CMU docense vezette a programot, aki egyébként az Aionics társalapítója és vezető kutatója is.
Az Aionics az OpenAI GPT 4-re épülő nagyméretű nyelvi modelleket is elkezdte használni, hogy segítsen a tudósainak leszűrni a lehetséges formulák millióit, mielőtt még elkezdenék lefuttatni őket az adatbázisban. A chatbot eszközt, amelyet az Aionics által kiválasztott kémiai tankönyveken és tudományos cikkeken képeztek ki, nem használják a tényleges felfedezéshez, azonban a tudósok a segítségével kizárhatnak bizonyos molekulákat, amelyek nem lennének hasznosak egy adott alkalmazásban, magyarázta Dr. Austin Sendek, társalapító és vezérigazgató. Miután betanították ezekkel a tankönyvekkel, az LLM-ek lehetővé teszik a tudósok számára, hogy lekérdezzék a modellt. „Szerintem az a jó a mi területünknek, hogy nem konkrét tényeket keresünk, hanem tervezési elveket”, magyarázta a chatbot funkciót.
Ki nyer ma?
| Érdekes módon ezt az eljárást még olyan újszerű területeken is alkalmazzák, mint a cement. A Chement, a Viswanathan által közösen alapított és az Aionics-szal is együttműködő startup, azon dolgozik, hogy megújuló villamos energiát és nyersanyagokat használjon fel kémiai reakciókhoz, hogy olyan kibocsátásmentes termékeket állítson elő, mint a cement. |
Miután a több milliárd jelöltet átvizsgálták és leszűkítették néhányra — vagy a generatív AI-modell segítségével megtervezték —, az Aionics elküldi az ügyfélmintákat validálásra.
„Ha nem jutunk be az első körbe, akkor iterálunk, és néhány klinikai kísérletet is lefuttatunk a bizonyítás érdekében, amíg el nem jutunk a győzteshez”, mondta Sendek. „És ha megtaláltuk a győztest, együttműködünk a gyártó partnereinkkel, hogy a gyártást skálázzuk és piacra vigyük.”
